Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

Data Scientist

Middle8.000 SGD · Zeitraum nicht angegebenSingapore, SGvor 3 Wo.
Markteinblicke
📊 AI / ML / Data Science: Gehälter und Nachfrage am Markt
Stack
Feasibility StudiesOperational RequirementsFraud DetectionRequirement Reviewsmonitor grantsHome workingWorkflow AnalysisSQL ProgrammingPredictive AnalyticsMaintenance SupportFraud AnalyticsReproducibility
Details
Erfahrung
ab 3 Jahren
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Öffnen Sie oben das Unternehmen und den Link — Ihre Bewerbung geht direkt in das Recruiting-System des Unternehmens, ohne Vermittler.

Beschreibung

Data Scientist Work location- Paya Lebar The Data Scientist is embedded within the Data Science and AI Division (DSAD), working as part of the Fraud Analytics Models (FAM) team.

Über die Stelle

The role

will support the maintenance and expansion of FAM 2.0, which detects misuse of public training grant. This includes addressing the methodology and threshold review backlog; building and operationalising the FAM 2.0 Technical Dashboard; and assessing how new schemes can be progressively brought within FAM 2.0's fraud-risk coverage. Experience: 3–5 years of hands-on experience in data science, advanced analytics, model validation, fraud/risk analytics or programme analytics.

B. Technical & Professional Competencies • Strong hands-on proficiency in Python and SQL for data extraction, transformation, exploratory analysis, with experience building reproducible analytical workflows. • Hands-on experience developing, validating or enhancing predictive, risk-scoring, fraud-detection or anomaly-detection models, including feature development, back-testing, threshold calibration and performance evaluation using measures such as precision, recall and related trade-offs.

• Experience translating business, policy or operational requirements into analytical specifications, model logic, indicators, rules or measurable risk hypotheses. • Experience working with complex, large-scale datasets, including assessing data quality, tracing data lineage, investigating anomalies and documenting analytical assumptions

Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet.
Dringende Frage? Schreiben Sie @termdocs